灰色系统理第6章.pptVIP

命题6.1.1使微分方程 成立的函数 满足信息浓度无限大的条件。 定义6.1.3设 为微分方程， 为背景集的元素， 则：1、当 时，称导数与背景值元素满足平射关系； 6.2 GM(1,1)模型 定义6.2.1设 称 为GM(1,1)模型的原始形式。符号GM(1,1)的含义如下： 定义6.2.2设 如定义6.2.1所示, 其中 ， 称 为GM(1,1)模型的基本形式。 定理6.2.1设 如定义6.2.1和6.2.2所示,若 为参数列，且 则GM(1,1)模型 的最小二乘估计参数列满足 定义6.2.3称： 为GM(1,1)模型的白化方程，也叫影子方程。 定理6.2.2 设 如定理6.2.1所述， (1)白化方程 的解也称时间响应函数为 (2)GM(1,1)模型 的时间响应序列为 (3)还原值 定义6.2.4 称GM(1,1)模型中的参数-a为发展系数，b为灰色作用量。 定理6.2.3 GM(1,1)模型 可以转化为 其中 定理 6.2.4 设 且 为GM（1，1）模型时间响应序列，其中 则 GM(1,1)模型的特点是能较好地对系统行为特征值大小的发展变化进行预测，其应用价值在越来越多的领域得到体现。 GM(1,1)模型实质是通过对原始数据序列作一次累加生成(1-Acumulated Generating Operator,1-AGO)，使序列呈现出灰指数规律，从而构造预测模型，来预测系统的发展趋势，其建模过程是： 第一步：累加生成。设原始非负序列为X(0)= ，则X(0)的1-AGO序列为X(1)= ，其中，X(1)(K)= ,( )。 第二步：构造背景值。由X(1）构造背景值序列Z(1)=( )，其中Z(1)(K)= ， ，一般取 ，作紧邻均值生成。 第三步：假定X(1)具有近似指数变化规律，则白化微分方程为 。将上式离散化，微分变差分，得到GM(1,1)灰微分方程 。 第四步：用最小二乘法，可以解得参数a，b，其中-a称为发展系数，其大小反映了序列的增长速度；b称为灰作用量。 其中 B= Y= 第五步： X(1)的预测公式为: 相应的，X(0)的预测公式为: 6.4 GM(1,1)模型群 在实际建模中，原始序列数据不一定全用来建模。取出一部分数据，就可以建立一个模型。 即使都建立同类GM(1,1)模型，选择不同的数据，参数的值也不一样。这种变化，正是不同情况、不同条件对系统特征的影响在模型中的反映。 定义6.4.1设序列 将x(0)(n)取为时间轴的原点，则称tn为过去;t=n为现在;tn为未来。 定义6.4.2设 为其GM(1,1)时间响应式的累减还原值，则 (1)当 时，称 为模型模拟值； (2)当 时，称 为模型预测值。 定义6.4.3设原始数据数列 (1)用 建立的GM(1,1)模型称为全数据GM(1,1)； (2) 用 建立的GM(1,1)模型称部分数据GM(1,1)； (3)设x(0)(n+1)为最新信息，将x(0)(n+1)置入X（0)序列，称用 建立的模型为新信息GM(1,1)； (4)置入最新信息x(0)(n+1)，去掉最老信息x(0)(1)，称用 建立的模型为新陈代谢GM(1,1)。 我们所追求的是GM(1,1)模型的预测精度越高越好，但预测精度不可能事先知道。我们只能以模拟精度来检验GM(1,1)模型的精度。 实际数据 ；模拟数据 定义残差为 定义相对误差为 我们用残差平方和和平均相对误差来衡量模型精度。 6.5 GM(1,1)模型的